相関分析とは、2つの要素に関係性があることを客観的に示したいときに用いられる分析手法で、個人の主観的な解釈に依存せず、客観的な判断を下すことができる、企業活動の効率化などに役立つフレームワークです。例えば、採用面接時にAという項目（例：採用試験の点数など）で高い数値を示す人は、採用後のパフォーマスも高いという相関関係が分かっていれば、採用に当たってそのAという項目に注目することで、有能な人材を見分けやすくなります。逆に、重要だと思っていた項目が、入社後のパフォーマンスとあまり関係がないことが分かれば、その採用方法を変更する必要があるかもしれません。IT大手のGoogleの採用試験では、かつてフェルミ推定に代表される論理思考力を重視していましたが、社内で津市駅長さをしたところ、この要素はあまり入社後のパフォーマンス、特にリーダーシップとの相関が見られなかったため、採用試験の方針を変更したことがありました。こうした物事の因果関係のヒントを得るために使われる分析手法が相関分析です。分析方法分析の方法としては、縦軸と横軸にそれぞれ要素を割り当て、そこにデータをプロットし散布図を作成します。散布図を作成することでデータがどのようにばらついているか（相関関係があるのか）を目視で確認できるようになります。このとき「一方の要素が大きくなれば他方の要素も大きくなる」または一方の要素が大きくなれば他方の要素は小さくなる」などのルール（法則性・連動性）が見られれば、２つの要素には相関関係があるということになります。散布図だけではなく「相関係数」という数値で表すと、より客観的な解釈になりますが、「相関係数」についてはここでは割愛します。興味のある方は調べてみてください。「相関分析」は環境や施策の効果や過去のトレンドから未来を予測するなど、さまざまな場面で活用できるフレームワークですが、相関分析をする上で注意しなければならない点があります。よくある間違いなのですが、2つの要素に「相関関係」があることと「因果関係」があることを混同してしまうことです。例えば月ごとのビールの売上と海水浴場の水難事故の件数には「相関関係」がありますが、ビールを飲むから水難事故に遭うという「因果関係」があるわけではありません。実は両方を高める要因である【気温】という要素があり、たまたま気温が上がる月にビールの売上が増え、海水浴客も増えるため見かけ上「相関関係」が生じているのです。このように複雑な要素が絡み合う場合は、また別の分析手法を用いる必要がありますが、「相関分析」は手軽に行えてインパクトのある発見や説得材料を与えてくれる非常に便利なデータ分析手法です。データをもとに説得力のある提案をしたい時など、ぜひ活用してみてください！